基于序优化方法的特征选择研究

针对模式识别中特征子集的选择存在组合爆炸的情况．以核爆地震识别中的特征选择为例，将序优化中的BP(Blind Picking)规则进行用于特征选择研究。实验结果表明，此优化方法能迅速地减小搜索空间，提高搜索效率，从而为特征选择问题提供了一种新的处理方法。     

基于Gram-Charlier展开的相空间重构时间延迟选择方法

时间延迟是相空间重构中的一个关键参数。利用冗余度作为标准来选择时间延迟具备充分的理论依据,然而冗余度的计算在实现上比较困难。基于概率密度的G ram-Charlier展开式,提出了一种简化的计算方法,该方法显著降低了冗余度计算的复杂度,使得冗余度方法能够有效地应用于相空间重构时间延迟的选择。     

用OOP技术实现一类不可预测的分形屏保技巧

根据分形理论的一个分支—复动力系统图形生成的特点,本文利用面向对象的编程(OOP)语言VC 实现了对它的编程,产生了一类具有不可预测性的分形屏保,总结出了这一类屏保的编程技巧。     

基于高分辨率时频分析的核爆地震信号能量统计初至检测算法

核爆地震波检测是禁核试核查的关键环节之一。常用的短时长时能量均值比、赤池信息准则、傅里叶变换等方法虚警率都比较高,为此,提出一种基于高分辨率时频分析的核爆地震信号能量统计初至检测算法。其基本原理是根据核爆地震事件信号与噪声的频域分布差异,采用窄带分频技术将信号时域波形变换到时频域,在各频带计算局部能量均值与全局能量均值之比并进行二值化处理,当结果大于设定的阈值时,认为此频带该时刻属于地震事件信号的一部分,如果在某一阈值下出现二值化结果相同的情况,只需继续增大阈值进行检测,直到最终只有一个时间点检测到频段的数量最多即可,最大值的跳跃点即认为是初值时刻。利用地下核爆产生的地震信号进行实验研究,结果表明本文方法能够在提高检测准确率的同时解决高虚警问题,在低信噪比信号条件下具有较好的适用性与鲁棒性。     

基于支持向量机的核爆地震自动识别

针对核爆地震识别问题的特点,提出利用支持向量机(SVM)方法进行核爆地震的自动识别。该方法借助算法的内在能力来实现特征的选择变换,不必像传统方法那样将很大的精力用于特征空间的降维处理。同时,由于该方法建立在结构风险最小化准则上,而不是仅仅使经验风险最小,所以,它具有好的推广能力。实际数据处理结果表明,该方法在小样本情况下性能优于神经网络,可以很好地克服过学习问题。     

核爆地震的模式识别研究

首先简要介绍了核爆地震自动识别研究的历史和现状,重点介绍了笔者所在的研究集体的研究进展;然后．针对核爆地震自动识别研究的方法理论——模式识别中的几个关键问题进行了讨论,给出了初步研究结果,并提出了进一步研究设想。     

基于凸集投影的重力同时填充扩边和去噪方法

实测重力数据经常因工区不规则导致数据存在空缺。在波数域进行重力数据处理和转换前必须对原始数据进行填充和扩边处理。数据中存在的高频噪声往往是造成数据后续处理不稳定的主要原因。常规重力数据处理一般将数据的填充、去噪和扩边这三个步骤独立进行。为此,将这三个问题统一考虑,提出一种基于改进凸集投影方法的规则网格重力数据同时填充、去噪和扩边迭代方法。首先通过计算并拟合重力数据的径向平均功率谱确定迭代的最终截止波数,然后利用数据低于截止波数的谱对数据同时进行填充、扩边和去噪,直至达到预设的迭代次数。对理论重力模型和阿富汗实测均衡重力数据进行了扩充和去噪实验,结果表明,所提方法原理简单、操作方便,填充和扩边结果的数据衔接处光滑无畸变,且具有较好的填充和去噪效果,处理结果优于经典的最小曲率和Kriging插值法及小波去噪和余弦扩边组合法。     

基于VC++和L系统的自然景物模拟

根据L系统具有模拟自然景物的特点,采用面向对象的编程语言VC 实现了对这类方法模拟自然景物的通用编 程。模拟灌木和低级丝状藻类等自然景物效果十分逼真,极大地丰富了计算机图形学的内容。     

序优化在核爆地震特征选择中的应用研究

在核爆地震模式识别中,特征选择既是非常关键同时又是非常困难的一步,为解决该问题,应用序优化方法对此进行了研究,并利用序优化中的盲选规则(BP)进行了特征选择试验。通过将设定的2组匹配概率和实际获得的实验结果进行比较,发现序优化方法能在不需要任何先验知识的前提下迅速地减小搜索空间,提高搜索效率。最后将盲选规则用于核爆炸和地震的特征选择中,取得了97.5%的识别率,这为核爆地震识别中的特征选择问题提供了一种新的解决方案。     

基于VC++的山树等自然景物的模拟

根据分形迭代函数系统具有模拟自然界景物的特点，本文用面向对象的编程语言VC 实现了一类模拟山树等景物的计算机编程，模拟效果十分逼真。